MétaCan
Menu
Retour à la cohorte
Enregistrement W3025845113 · doi:10.1097/mco.0000000000000663

Prehabilitation: metabolic considerations

2020· review· en· W3025845113 sur OpenAlexaff
Katherine Chabot, Chelsia Gillis, Franco Carli

Notice bibliographique

RevueCurrent Opinion in Clinical Nutrition & Metabolic Care · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueEnhanced Recovery After Surgery
Établissements canadiensMontreal General HospitalMcGill University Health CentreUniversity of CalgaryMcGill University
Organismes subventionnairesnon disponible
Mots-clésPrehabilitationPerioperativeMedicineSarcopeniaInsulin resistanceIntensive care medicinePsychological interventionMetabolic syndromeProtein catabolismInsulinBioinformaticsInternal medicineSurgeryPhysical therapyObesityBiology

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: The major components of ERAS attenuate the inflammatory response and modulate metabolism in direction of sparing body protein and preserving function. However, these perioperative interventions might have limited effectiveness on postoperative outcomes if preoperative risk factors are not addressed and optimized. RECENT FINDINGS: The preoperative metabolic perturbations characterized by insulin resistance and sarcopenia might predispose patients to a higher degree of postoperative catabolism. High-risk populations for such metabolic disturbances include elderly and frail patients, and patients with metabolic syndrome. Research on the effect of prehabilitation on perioperative metabolism is limited, but recent findings suggest that interventions designed to improve insulin sensitivity prior to surgery might represent a promising therapeutic target to minimize surgical complications. SUMMARY: The present paper will discuss the metabolic implications of modulating preoperative risk factors with elements of multimodal prehabilitation, such as exercise training and nutrition.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,940
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,214
Tête enseignante GPT0,496
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Clinical Nutrition & Metabolic CareMême sujetEnhanced Recovery After SurgeryTravaux en français237 207